智谱发布GLM-5.3，编程与安全能力大幅跃升

智谱最新旗舰模型GLM-5.3正式亮相，在编程能力和网络安全漏洞发现方面取得重大突破，向Anthropic、OpenAI等AI头部企业发起新一轮挑战。

据智谱官方声明，GLM-5.3基于与前代GLM-5.2相同的7000亿参数基础模型构建，所有性能提升均来自后训练阶段的持续扩展。在自研评测基准智谱 Code Bench上，GLM-5.3的编程能力较GLM-5.2提升50%；在开源编程基准Terminal-Bench 3.0上，得分从4.6跃升至28.3。

智谱介绍模型时表示：GLM-5.3专为编程而生，随时迎接网络防御挑战。GLM-5.3在网络安全漏洞挖掘能力上亦出现超预期的"涌现"式跃进，在现实代码库中累计识别出2436个安全漏洞。

智谱表示，模型权重将在发布两周后公开，届时将完成安全评估与加固工作。此次发布恰逢DeepSeek昨日上调旗下V4模型定价，进一步加强其在国内AI市场的竞争地位。

编程能力大幅跃升，超越Claude Opus 4.8

GLM-5.3的核心突破集中于复杂编程与长链路任务。智谱官方数据显示，在智谱 Code Bench的最高难度设置下，GLM-5.3以约7.5万个输出token完成了34.5%的任务，而GLM-5.2在消耗更多token（9.6万）的情况下，完成率仅为23.4%。在高难度设置下，GLM-5.3以约5万个token达到31.4%的完成率，超越了Anthropic的Claude Opus 4.8（29.5%，耗用12万token）。不过，GLM-5.3目前仍落后于Claude Fable 5——后者在最高难度设置下完成率为39.5%。

在公开基准测试上，GLM-5.3同样表现亮眼：DeepSWE v1.1得分从46.2升至66.9，Agents' Last Exam得分从23.8升至28.5。

为实现上述进展，智谱在后训练阶段大幅扩展了训练环境的规模与多样性，引入更贴近真实工程场景的任务——部分任务的工作量相当于一名经验丰富的工程师数天的工作量。智谱还构建了自动化流水线，用于端到端合成训练环境及强化学习奖励信号。

网络安全能力“涌现”，已披露逾两千个漏洞

在网络安全领域，GLM-5.3展现出超出预期的能力跃升。在智谱引入漏洞发现数据和训练环境后，模型不仅能够识别单一缺陷，更开始跨多个漏洞利用阶段进行综合推理，形成完整的利用链路规划。

在CyberGym基准测试中，GLM-5.3以84.5%的得分超越Anthropic的Mythos 5（83.8%）和OpenAI的GPT-5.6 Sol（83.6%），位居榜首。在要求更深层漏洞推理的ExploitBench上，GLM-5.3得分从GLM-5.2的24.4%跃升至54.4%，涨幅超过一倍；但与Mythos 5（78.0%）和GPT-5.6 Sol（76.5%）相比，仍有明显差距。在ExploitGym测试中，GLM-5.3在两小时内完成105项利用任务、六小时内完成130项，而GLM-5.2的对应数字仅为29项和39项；Mythos 5则以181项和247项保持领先。

智谱表示，这些能力已延伸至真实世界的实际应用。自GLM-5.2以来，智谱与中国多个安全团队合作，针对现实代码库运行模型测试，经专家审核、筛查与去重后，在269个项目中识别出2436个漏洞，其中中高危漏洞1097个，涵盖系统内核、操作系统、浏览器引擎、开源基础设施、Web应用及网络协议等领域，部分漏洞在代码库中已存留数十年，最早可追溯至约40年前。智谱已为此建立"智谱安全披露账本"，持续公开披露进展。

开源策略叠加竞争格局变化，市场空间打开

在商业层面，GLM-5.3的发布时机颇具战略意义。DeepSeek于本周四宣布将旗下V4 Flash和Pro模型价格上调最高四倍，尽管V4 Pro的综合定价仍低于GLM-5.2，但此举客观上为智谱争取用户和开发者提供了窗口。Artificial Analysis给予DeepSeek顶级模型与GLM-5.2相同的智能评分53分，两者均落后于Kimi K3以及Claude Fable 5、GPT 5.6等模型。

智谱计划以宽松许可证开放GLM-5.3的模型权重，以吸引更广泛的开发者群体。这一策略与GLM-5.2的路径一脉相承——后者发布后，智谱市值一度冲至1370亿美元，超越拼多多和网易（NetEase）等互联网巨头，此后虽回落至约800亿美元，但较今年1月在香港上市时仍增逾十倍。

据彭博此前报道，智谱已完成一座数据中心的建设，部署了至少1万枚国产芯片，用于GLM系列模型的研发与推理。其年度经常性收入（ARR）于今年7月达到10亿美元。

本文来自华尔街见闻，欢迎下载APP查看更多